Select Language

AI社区

公开数据集

TUM厨房活动数据集

TUM厨房活动数据集

398 浏览
0 喜欢
3 次下载
0 条讨论
Action/Event Detection Classification

数据结构 ? 0

    Data Structure ?

    * 以上分析是由系统提取分析形成的结果,具体实际数据为准。

    README.md

    TUM 厨房数据集用于促进无标记人类运动捕获、运动分割和人类活动识别领域的研究。它应该通过提供全面的感官输入数据集合来帮助这些领域的研究人员,这些数据可用于尝试和验证他们的算法。鉴于基础行动的手动注释"基本真理"标签,它也旨在作为比较研究的基准。记录的活动被选定的目的是提供现实和看似自然的运动,包括日常操纵活动在自然厨房环境。

    TUM 厨房数据集包含多个主题以不同方式设置表的观测值。有些人像机器人一样执行活动,一个地运送物品,其他受试者的行为更自然,并同时掌握尽可能多的物体。此外,还有两集,受试者重复执行伸手和抓举动作。数据的应用主要在人体运动跟踪、运动分割和活动识别等领域。

    为了提供足够的信息来识别和描述观察到的活动,我们记录了以下多模态传感器数据:

    • 来自四个固定、高架摄像机的视频数据(384×288 像素 RGB 颜色或 780×582 像素原始拜耳模式,速度为 25Hz)
    • 使用我们的无标记全身 MeMoMan 跟踪器从视频中提取运动捕获数据 (*.bvh 文件格式)
    • 来自环境中嵌入的三个固定读卡器的 RFID 标签读数(采样率 2Hz)
    • 磁性(簧片)传感器,用于检测门或抽屉何时打开。(采样率 10Hz)
    • 操作标签(数据分别标记为左手、右手和人的躯干)
    ×

    帕依提提提温馨提示

    该数据集正在整理中,为您准备了其他渠道,请您使用

    注:部分数据正在处理中,未能直接提供下载,还请大家理解和支持。
    暂无相关内容。
    暂无相关内容。
    • 分享你的想法
    去分享你的想法~~

    全部内容

      欢迎交流分享
      开始分享您的观点和意见,和大家一起交流分享.
    所需积分:0 去赚积分?
    • 398浏览
    • 3下载
    • 0点赞
    • 收藏
    • 分享